标签
本文提出了一种基于邻近树与集成学习的层次化、设计上可解释的关键实例选择模型。该模型与数据模态无关，并在表格、文本、图像和时间序列数据集上展现了具有竞争力的结果。
OrbitQuant提出了一种数据无关的扩散Transformer量化方法，消除了跨时间步和模态进行重新校准的需求，在FLUX.1和CogVideoX等模型的低位宽设置下实现了最先进的后训练量化水平。